语义分割评价指标

语义分割是计算机视觉中的一个重要任务，其目标是将图像中的每个像素分类到一个特定的类别中。为了评估语义分割模型的性能，通常使用以下几个指标：

1. 准确率（Accuracy）

准确率是指模型正确分类的像素数占总像素数的比例。公式如下：
$$\text{Accuracy}=\frac{TP+TN}{TP+TN+FP+FN}$$
其中：

• ( TP )（True Positive）：正确分类为正类的像素数
• ( TN )（True Negative）：正确分类为负类的像素数
• ( FP )（False Positive）：错误分类为正类的像素数
• ( FN )（False Negative）：错误分类为负类的像素数

2. 平均交并比（Mean Intersection over Union, mIoU）

交并比（IoU）是指预测结果与真实标签的交集与并集的比值。平均交并比是对所有类别的IoU取平均值。公式如下：
$$\text{IoU}=\frac{TP}{TP+FP+FN}$$
$$\text{mIoU}=$$